找到 2 条结果
基于物理信息神经网络与交叉注意力的磁芯损耗模型
A Magnetic Core Loss Model Based on Physics-Informed Neural Network with Cross-Attention
Yunhao Xiao · Chi Li · Zedong Zheng · IEEE Transactions on Power Electronics · 2025年8月
由于软磁材料固有的损耗机制尚不明确，损耗建模往往成为电力电子系统分析中的瓶颈。一方面，损耗会显著影响整体效率；另一方面，高频运行导致的小型化使得高频磁性元件的温升对损耗更为敏感，这使得热可靠性分析变得至关重要。然而，现有的损耗模型由于对复杂运行条件的高敏感性，在这些条件下的适用性会变差。本文提出了一种自适应损耗模型，该模型通过交叉注意力机制增强了物理损耗模型的学习能力和运行条件适应性，在测试集上实现了平均误差2.8%、最大误差12.3%的效果。此外，通过热分析验证了所提模型的准确性，相对误差为1...
解读: 从阳光电源的业务视角来看，这项基于物理信息神经网络的磁芯损耗模型技术具有重要的战略价值。在光伏逆变器和储能变流器等核心产品中，高频变压器和电感等磁性元件是影响系统效率和可靠性的关键部件。该技术通过交叉注意力机制实现的自适应损耗建模，能够在复杂工况下保持2.8%的平均误差和1.7%的热分析误差，这对我...
FeNi粉末对FeSiBNbCu纳米晶软磁粉芯磁性能的影响
Effect of FeNi powder on the magnetic properties of FeSiBNbCu nanocrystalline soft magnetic powder cores
Junru Liu · Yaqiang Dong · Xingjie Jia · Aina He 等6人 · Journal of Materials Science: Materials in Electronics · 2025年1月 · Vol.36.0
高性能软磁材料的开发对于提升磁粉芯的电磁性能具有重要意义，有助于其在高频电力电子领域中的更广泛应用。本研究通过将超细FeNi粉末与FeSiBNbCu纳米晶粉末复合，制备了一种新型Fe基软磁复合材料。系统研究了FeNi添加量对复合磁粉芯微观结构、相对密度及磁性能的影响。结果表明，超细FeNi粉末能够有效填充FeSiBNbCu纳米晶粉末之间的颗粒间隙，从而促进致密化并改善磁性能。当FeNi含量达到50 wt.%时，复合材料表现出最优的综合性能，包括密度6.55 g/cm³、相对密度86.95%、在1...
解读: 该FeSiBNbCu纳米晶复合软磁材料研究对阳光电源高频功率器件具有重要价值。在1MHz下实现36.16有效磁导率和2731mW/cm³低损耗,可优化SG系列逆变器和ST储能变流器中的高频变压器与电感设计,提升功率密度。82.49%的直流偏置保持率适用于OBC车载充电机和电机驱动器的磁性元件,降低高...